Tekniskt experiment
AI-assisterad modernisering av äldre Java-system
Utgångspunkten
Många verksamhetskritiska system fungerar fortfarande väl, men har blivit dyra och riskfyllda att förändra. Dokumentationen kan vara begränsad, testtäckningen ojämn och delar av arkitekturen svåra att överblicka.
Jag ville undersöka om moderna AI-baserade utvecklingsverktyg kan hjälpa till att förstå och stegvis förbättra äldre Java-system.
Experimenten
Experimenten omfattade bland annat analys och refaktorering av befintlig kod. Målet var inte att låta AI skriva om hela systemet, utan att undersöka om tekniken kunde bidra till en säkrare moderniseringsprocess:
- kartlägga kodens struktur och beroenden
- identifiera duplicering och teknisk skuld
- förklara äldre implementationer
- föreslå avgränsade refaktoreringar
- förbättra struktur och läsbarhet
- bevara befintligt beteende
- skapa eller komplettera tester
Resultaten
Resultaten var lovande. AI kunde påskynda förståelsen av kodbasen och bidra med användbara förslag på avgränsade förbättringar. Samtidigt visade experimenten att kvaliteten är beroende av tydliga gränser, fungerande tester och mänsklig granskning.
Detta var ett självinitierat tekniskt experiment, inte ett kunduppdrag eller en genomförd produktionsmigrering. Resultaten bör därför ses som praktiska indikationer, inte som bevis för att en fullständig modernisering kan automatiseras.
Slutsatsen
AI verkar mest värdefullt som stöd för att förstå, testa och stegvis förbättra äldre system — inte som en knapp för att skriva om dem.
Experimentet knyter ihop tre delar av min profil: lång erfarenhet av äldre IT-miljöer, praktisk AI-användning och arkitektoniskt omdöme.